{"cssClassNames":"page basicpage summit-page","templateName":"base-page-template54","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"description":"EU 인공지능법은 AI를 위험 등급별로 분류하고, 고위험 시스템에 대해 집행 가능한 의무를 규정합니다. 주요 기한, 제재 및 실무 규정 준수 단계를 확인하세요.","language":"ko","title":"EU 인공지능법 위험 등급, 적용 일정 및 규정 준수 | Snowflake","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/ko/artificial-intelligence/ai-governance/eu-ai-act/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"markup_editor_928258845":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","markup_editor_597730182":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment":"aem-GridColumn aem-GridColumn--default--12","modal_container":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12"},":items":{"experiencefragment-banner":{"id":"experiencefragment-40c67f6c80","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/pushdown-banner/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/pushdown-banner/master.xfmodel.json"},"experiencefragment-header":{"id":"experiencefragment-d2bc76cf2e","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/mega-nav-header/master.xfmodel.json","languageNavPath":"/content/snowflake-site/global/ko/artificial-intelligence/ai-governance/eu-ai-act.languagenav.json"},"responsivegrid":{"columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"flexible_column_cont_939100716":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1158003461":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_663228916":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_912630531":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1398138236":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1786318617":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1467213961":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1377146023":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_963294944":"aem-GridColumn aem-GridColumn--default--12"},":items":{"flexible_column_cont":{"id":"flexible-column-container-4bfbf3e2ae","propertiesId":"hub-hero-breadcrumbs","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-4d2a63cd08",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"breadcrumb":{"id":"breadcrumb-2a1a03afcc","items":[{"id":"breadcrumb-2a1a03afcc-item-bbf96f220b","link":{"valid":true,"url":"/ko/artificial-intelligence/"},"active":false,"current":false,"title":"인공지능",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-2a1a03afcc-item-b037f615aa","link":{"valid":true,"url":"/ko/artificial-intelligence/ai-governance/"},"active":false,"current":false,"title":"AI 거버넌스",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-2a1a03afcc-item-39f2d19a02","link":{"valid":true,"url":"/ko/artificial-intelligence/ai-governance/eu-ai-act/"},"active":true,"current":true,"title":"EU 인공지능법",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"}],":type":"snowflake-site/components/breadcrumb"}},":itemsOrder":["breadcrumb"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_939100716":{"id":"flexible-column-container-afc3624372","propertiesId":"hub-hero","type":"2-column-even","alignColumns":"center","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"extra-small","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-e921be1c8f",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small",":items":{"title_v2":{"id":"title-v2-8225adc867","additionalClasses":"hub-hero__headline","type":"heading1","lines":["EU 인공지능법 해설: 위험 등급, 적용 일정 및 규정 준수"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-bdd5b53d3d","additionalClasses":"hub-hero__subheadline","text":"\u003Cp style=\"padding-top: 8.0px;\"\u003EEU 인공지능법은 기업이 각 AI 시스템이 수행하는 작업, 적용되는 위험 등급, 책임 주체, 사용을 뒷받침하는 통제 체계를 입증할 것을 요구하고 있습니다. 이 가이드는 EU 인공지능법의 위험 등급, 의무 사항, 집행 일정, 그리고 기업이 지금부터 준비할 수 있는 거버넌스 조치를 설명합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"container":{"additionalClasses":"hub-hero__authors","layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"content_chip_copy":"aem-GridColumn aem-GridColumn--default--12","content_chip":"aem-GridColumn aem-GridColumn--default--12"},"id":"container-473a874a49",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-small",":items":{"content_chip_copy":{"id":"content-chip-bfe19bb63d","cta":{"id":"cta","showOutboundIcon":false,"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"약력 보기"},"image":{"id":"image","height":"800","lazyEnabled":true,"alt":"Laurie MacPherson","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--d2c1126d-3244-486b-9007-1d2bc56e1893/laurie-macpherson.jpg?quality=85&preferwebp=true","width":"800",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Laurie MacPherson","테크니컬 라이터, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"},"content_chip":{"id":"content-chip-6c2542ebda","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/blog/authors/jiyun-kim/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"약력 보기"},"image":{"id":"image","height":"567","lazyEnabled":true,"alt":"David Gaule","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--a7298322-b642-462f-a1ea-e4319d26238d/jiyun-kim-photo.jpg?quality=85&preferwebp=true","width":"425",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Jiyun Kim","SEO Specialist, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"}},":itemsOrder":["content_chip_copy","content_chip"]}},":itemsOrder":["title_v2","text","container"]},"flexible_column_content_container_2":{"additionalClasses":"hub-hero__video-column","layout":"SIMPLE","id":"container-1a7a9b7fb2",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"youtube":{"id":"embed-e4cd4b5e07","youtubeVideoId":"-HWNc-Hd90U","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"}},":itemsOrder":["youtube"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1398138236":{"id":"flexible-column-container-70dfac52a0","propertiesId":"hub-hero-related-topics","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"related-topics-outer-container border-top","layout":"SIMPLE","id":"container-8ff53450c3",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_894059747":{"id":"text-905d9f9221","additionalClasses":"seo-hub-hero__related-topic-label","text":"\u003Cp\u003EAI 거버넌스 주제:\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text":{"id":"text-dcc8dd851d","additionalClasses":"related-topics ","text":"\u003Cul\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-compliance/\"\u003EAI 규정 준수\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-ethics/\"\u003EAI 윤리\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-risk-management/\"\u003EAI 리스크 관리\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-traceability/\"\u003EAI 추적성\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-transparency/\"\u003EAI 투명성\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/algorithmic-bias/\"\u003E알고리즘 편향\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/iso-42001/\"\u003EISO 42001\u003C/a\u003E\u003C/li\u003E\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/responsible-ai/\"\u003E책임 있는 AI\u003C/a\u003E\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small"}},":itemsOrder":["text_894059747","text"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_663228916":{"id":"flexible-column-container-137975c500","propertiesId":"hub-body","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"page-section","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"longform-content","layout":"SIMPLE","id":"hub-body-content",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium",":items":{"callout_what_is_ai_g":{"id":"text-52fbfe1504","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003EEU 인공지능법 정의\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003EEU 인공지능법은 AI 시스템을 위험 수준별로 분류하고, 특히 고위험 시스템에 대해 조직이 AI를 개발하고 배포하며 문서화하고 관리하는 방식에 관한 의무를 규정하는 EU의 포괄적인 법률 프레임워크입니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_intro_0":{"id":"text-8abb86286c","text":"\u003Cp\u003E대부분의 기업은 이미 단일 팀이 전반을 파악하기 어려울 만큼 많은 \u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/\"\u003E인공지능\u003C/a\u003E을 사용하고 있습니다. 고객 지원 워크플로우는 서드 파티 모델을 호출할 수 있고, 사기 탐지 시스템은 트랜잭션 위험도를 평가할 수 있으며, 채용 도구는 지원자의 순위를 매길 수 있습니다. 생산성 어시스턴트는 규제 대상 데이터가 포함된 문서를 요약할 수도 있습니다. 각 시스템에는 소유자, 공급업체 기록, 보안 검토 내역이 어딘가에 존재할 가능성이 높습니다. 하지만 이러한 기록은 여러 위치에 흩어져 있고, 담고 있는 정보의 목적도 서로 다른 경우가 많습니다.\u003C/p\u003E\r\n\u003Cp\u003EEU 인공지능법은 AI 시스템과 관련해 다음과 같은 구체적인 질문을 던집니다. 조직은 각 시스템이 무엇을 하는지, 회사가 어떤 역할을 맡는지, 어떤 위험 등급이 적용되는지, 각 시스템에 어떤 통제가 필요한지 제시할 수 있는가?\u003C/p\u003E\r\n\u003Cp\u003EEU 인공지능법 대응 준비는 \u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/\"\u003EAI 거버넌스\u003C/a\u003E와 증빙 추적 체계에서 시작됩니다. 이 법은 형식상 법률이지만 실제로는 운영 체계의 문제입니다. 특히 이러한 시스템이 고용, 신용, 교육, 핵심 인프라, 법 집행 또는 기타 영향도가 큰 의사결정에 영향을 미칠 때, 기업은 AI 시스템이 책임 있게 사용되고 있음을 입증할 수 있도록 해당 시스템을 데이터, 모델, 문서, 로그, 인간의 감독, 인시던트 프로세스와 연결해야 합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_sources_of_alg":{"id":"title-v2-29ab3390b1","additionalClasses":"anchor-title anchor-title--what-is-eu-ai-act","type":"heading2","lines":["EU 인공지능법이란?"],":type":"snowflake-site/components/title-v2"},"text_what-is-algorithmic-bias_0":{"id":"text-aafca35673","text":"\u003Cp\u003EEU 인공지능법은 세계 최초의 포괄적인 \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/framework/\"\u003EAI 법률 프레임워크\u003C/a\u003E입니다. 이 법은 2024년 8월 1일 발효되었으며, 단계적으로 적용됩니다. 금지 관행, AI 리터러시, 범용 AI 의무는 이미 적용되고 있습니다. 현재 일정 기준으로 대부분의 고위험 AI 의무는 2026년부터 적용될 것으로 예상되며, 일부 항목에는 2027~2028년까지 연장되는 전환 기간이 있습니다. 정책 목표는 인간 중심 AI, 즉 안전, 기본권, \u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-transparency/\"\u003E투명성\u003C/a\u003E, 책임성에 관한 보호 장치를 갖추면서도 생산적으로 활용할 수 있는 시스템입니다. \u003C/p\u003E\r\n\u003Cp\u003E적용 범위는 많은 조직이 처음 예상하는 것보다 넓습니다. AI 시스템이 EU 시장에 출시되거나 그 시스템의 출력물이 EU에서 사용되는 경우, EU 외부에 있는 제공자, 도입 운영자, 수입업자, 유통업자도 이 법의 적용 대상이 될 수 있습니다. 미국 기반 기업이 AI 지원 제품을 유럽에 판매하거나, AI 시스템으로 EU 거주자를 평가하거나, EU 내 사람들에게 영향을 미치는 출력물을 생성하는 비EU 모델에 의존하는 경우에도 자사의 의무 적용 여부를 평가해야 할 수 있습니다.\u003C/p\u003E\r\n\u003Cp\u003E이 법은 위험 기반 프레임워크를 사용합니다. 일부 AI 관행은 전면 금지되고, 일부 고위험 AI 시스템에는 상세한 의무가 적용됩니다. 반면 위험이 낮은 많은 활용 사례는 투명성 규칙이나 자발적 행동 강령을 따르는 조건에서 대체로 계속 허용됩니다. 또한 이 법은 제공자와 도입 운영자를 구분합니다. 제공자는 AI 시스템 또는 범용 AI 모델을 개발하고, 이를 자체 이름이나 상표로 시장에 출시하거나 사용 개시하는 주체입니다. 도입 운영자는 개인적이고 비전문적인 사용을 제외하고, 자체 권한 아래 AI 시스템을 사용하는 주체입니다.\u003C/p\u003E\r\n\u003Cp\u003E대부분의 기업이 실무적으로 가장 먼저 해야 할 일은 사용 중인 AI 시스템을 파악하고, 위험에 따라 분류하며, 작동 방식을 문서화하고, 감독에 필요한 증거를 보존하는 것입니다. 아울러 고위험 시스템은 EU 시장에 출시되거나 사용이 개시되기 전에 필수 적합성 평가를 통과할 수 있도록 준비해야 합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_sources-of-algorithmic-bias":{"id":"title-v2-facffd7299","additionalClasses":"anchor-title anchor-title--the-four-eu-act-risk-tiers","type":"heading2","lines":["EU 인공지능법의 네 가지 위험 등급"],":type":"snowflake-site/components/title-v2"},"text_sources-of-algorithmic-bias_0":{"id":"text-a4b4d5ba9e","text":"\u003Cp\u003EEU 인공지능법은 AI 시스템을 네 가지 주요 위험 카테고리, 즉 허용 불가 위험, 고위험, 제한적 위험, 최소 위험으로 분류합니다. 이 카테고리는 해당 시스템이 금지 대상인지, 고위험 의무의 적용을 받는지, 투명성 의무의 대상인지, 또는 의무적 통제에서 대체로 제외되는지를 결정한다는 점에서 중요합니다.\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003E위험 등급\u003C/th\u003E\n\u003Cth\u003E다루는 내용\u003C/th\u003E\n\u003Cth\u003E기업에 미치는 영향\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003E허용 불가 위험\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E공공기관의 사회적 점수화, 인지 조작, 취약성 악용, 얼굴 이미지의 비표적 스크래핑, 직장이나 학교에서의 감정 추론(의료 또는 안전상의 이유에 따른 예외 있음), 민감한 속성에 기반한 특정 생체 인식 분류, 프로파일링만을 근거로 한 예측적 치안 활동 등을 포함한 금지 AI 관행\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E이러한 관행은 제한적인 예외를 제외하고, 일반적으로 이 법에 따라 금지됩니다. 기업은 배포 전에 AI 인벤토리와 조달 파이프라인에서 금지 관행이 포함되어 있는지 점검해야 합니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003E고위험\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E생체 인식, 핵심 인프라, 교육, 고용, 필수 서비스, 법 집행, 이민 및 국경 통제, 사법 행정 등 영역에서 사용되는 AI입니다. AI가 규제 대상 제품의 안전 구성요소이거나, 그 자체가 제3자 적합성 평가 대상인 규제 대상 제품인 경우에도 고위험으로 분류될 수 있습니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E제공자에게는 AI 리스크 관리, 데이터 거버넌스, 기술 문서, 로깅, 인간의 감독, 정확성, 견고성, 사이버 보안, 적합성 평가 및 시판 후 모니터링을 포함한 상세한 의무가 적용됩니다. 도입 운영자도 적절한 사용, 모니터링 및 인시던트 에스컬레이션을 위한 통제가 필요합니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003E제한적 위험\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E챗봇, 특정 감정 인식 시스템, 생체 인식 분류 시스템, 딥페이크를 포함한 합성 콘텐츠를 생성하거나 조작하는 시스템 등 투명성 의무가 있는 시스템입니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E예외가 적용되지 않는 한, 사용자는 일반적으로 AI와 상호작용하고 있거나 AI가 생성 또는 조작한 콘텐츠를 보고 있다는 사실을 고지받아야 합니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003E최소 위험\u003C/b\u003E\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E금지, 고위험 또는 제한적 위험 카테고리에 속하지 않는 AI 시스템입니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E이러한 시스템은 일반적으로 인공지능법상 의무 요건 없이 개발하고 사용할 수 있지만, 자발적 행동 강령과 내부 거버넌스는 여전히 적용될 수 있습니다.\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_detecting-and-measuring-algorithmic-bias":{"id":"title-v2-6a9d2ff92b","additionalClasses":"anchor-title anchor-title--general-purpose-ai-and-foundation-model-rules","type":"heading2","lines":["범용 AI 및 파운데이션 모델 규칙"],":type":"snowflake-site/components/title-v2"},"text_detecting-and-measuring-algorithmic-bias_0":{"id":"text-0c6d286e02","text":"\u003Cp\u003EEU 인공지능법은 광범위한 다운스트림 태스크를 수행할 수 있는 파운데이션 모델을 포함하여 범용 AI(GPAI) 모델에 대한 별도의 규제 체계를 추가합니다. 범용 모델은 저위험부터 고위험까지 다양한 AI 시스템에 통합될 수 있으므로, 이 제도는 위험 등급 체계 위에 추가로 적용됩니다.\u003C/p\u003E\r\n\u003Cp\u003E기본 GPAI 의무에는 다음이 포함됩니다.\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Cp\u003E기술 문서 유지\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E다운스트림 제공자에게 모델을 책임 있게 통합하는 데 필요한 정보 제공\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003EEU 저작권법을 준수하기 위한 정책 시행\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E모델 학습에 사용된 콘텐츠 요약 공개\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ul\u003E\r\n\u003Cp\u003E시스템적 위험이 있는 GPAI 모델에는 더 강화된 의무가 적용됩니다. 이 법은 모델이 시스템적 위험을 초래할 수 있는지를 판단하는 지표 중 하나로 현재 10^25회의 부동 소수점 연산(FLOP)이라는 컴퓨팅 임계값을 사용합니다. 이러한 모델의 제공자는 모델 평가를 수행하고, 적대적 테스트를 실시 및 문서화하며, 시스템적 위험을 평가 및 완화하고, 심각한 인시던트를 추적 및 보고하며, 모델과 물리적 인프라에 대해 적절한 사이버 보안 보호 조치를 유지해야 합니다.\u003C/p\u003E\r\n\u003Cp\u003EAI 시스템을 도입하는 기업은 GPAI 문서를 조달 및 거버넌스 요구 사항으로 취급해야 합니다. 서드 파티 모델을 라이선싱하거나 자사 AI 시스템에 통합하는 기업이 기본적으로 모델 제공자에 해당하는 것은 아니지만, 허용 가능한 사용 범위, 모델의 한계, 통합상 제약, 위험 통제 및 인시던트 보고 요건을 파악할 수 있도록 충분한 다운스트림 문서를 확보해야 합니다. 고위험 사용 사례에서는 해당 문서가 모델을 기반으로 구축된 AI 시스템의 증빙 체계 일부가 됩니다.\u003C/p\u003E\r\n\u003Cp\u003E실제로 이는 모델 평가와 레드팀 활동이 더 이상 연구나 보안 활동에만 해당하지 않음을 의미합니다. 이는 필수적인 공급망 통제입니다. 조달, 법무, 보안, \u003Ca href=\"https://www.snowflake.com/ko/data-governance/\"\u003E데이터 거버넌스\u003C/a\u003E 및 AI 플랫폼팀은 모델 제공자가 공개할 정보, 기업이 자체적으로 검증할 항목, 배포 후 모델 관련 위험을 추적하는 방식을 명확히 파악해야 합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_mitigating-algorithmic-bias":{"id":"title-v2-e890d47e23","additionalClasses":"anchor-title anchor-title--deadline-and-timeline","type":"heading2","lines":["기한 및 일정"],":type":"snowflake-site/components/title-v2"},"text_mitigating-algorithmic-bias_0":{"id":"text-ddca88a24a","text":"\u003Cp\u003EEU 인공지능법은 단계적으로 적용됩니다. 정책 입안자들이 가능한 시행 조정을 계속 논의하고 있는 상황에서도 현재의 법정 시행 일정은 기업 계획 수립의 기준선입니다.\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2024년 8월 1일:\u003C/b\u003E EU 인공지능법이 발효되었습니다.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2025년 2월 2일:\u003C/b\u003E 금지된 AI 관행과 AI 리터러시 의무가 적용되기 시작했습니다.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2025년 8월 2일:\u003C/b\u003E 거버넌스 규칙과 GPAI 모델 의무가 적용되기 시작했습니다.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2026년 8월 2일:\u003C/b\u003E 부속서 III 시스템에 대한 고위험 AI 규칙을 포함해 대부분의 의무가 적용될 예정입니다.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2027년 8월 2일:\u003C/b\u003E 부속서 I에 따른 규제 대상 제품에 내장된 고위험 AI 시스템이 전면 적용 범위에 포함될 예정입니다.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ul\u003E\r\n\u003Cp\u003E시행 일정을 둘러싼 정책 논의는 여전히 진행 중입니다. 업계 단체들은 기업이 규정을 준수하려면 더 많은 지침과 더 많은 시간이 필요하다고 주장하며 연기를 요구해 왔습니다. Snowflake의 Principal Data Strategist인 \u003Ca href=\"https://www.snowflake.com/en/blog/ai-governance-customer-trust/\"\u003EJennifer Belissent는\u003C/a\u003E “EU 인공지능법 시행 연기를 요구하는 업계의 목소리가 강했습니다”라고 언급하면서도, “AI와 데이터 거버넌스의 진정한 동인은 이미 마련되어 있습니다. 고객이 이를 요구합니다”라며 기업이 기다려서는 안 된다고 말합니다.\u003C/p\u003E\r\n\u003Cp\u003E이는 대부분의 기업에 공통적인 계획 수립 접근 방식입니다. 일부 시행 세부 사항이 바뀌더라도 고객, 규제 기관, 이사회 및 비즈니스 파트너는 이미 AI 인벤토리, 리스크 분류, 모델 문서, 데이터 계보, 인시던트 프로세스, 영향도가 큰 AI 시스템에 거버넌스가 적용되고 있다는 증거를 요구하고 있습니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_regulatory-expectations-on-algorithmic-bias":{"id":"title-v2-027778be54","additionalClasses":"anchor-title anchor-title--penalties-for-non-compliance","type":"heading2","lines":["미준수 시 제재"],":type":"snowflake-site/components/title-v2"},"text_regulatory-expectations-on-algorithmic-bias_0":{"id":"text-42fe2756f5","text":"\u003Cp\u003EEU 인공지능법은 행정 과징금에 대해 위반의 중대성에 따른 등급을 사용합니다. 회원국은 제재 규칙과 집행 조치를 책임지지만, 이 법은 위반 유형에 따라 최대 과징금 수준을 정합니다.\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003E위반 유형\u003C/th\u003E\n\u003Cth\u003E최대 행정 과징금\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E금지된 AI 관행 위반\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E3,500만 유로 또는 직전 회계연도 전 세계 연간 총매출액의 7% 중 더 높은 금액\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E고위험, GPAI 및 투명성 관련 의무를 포함한 기타 의무 위반\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E1,500만 유로 또는 전 세계 연간 총매출액의 3% 중 더 높은 금액\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E당국에 부정확하거나 불완전하거나 오해의 소지가 있는 정보 제공\u003C/p\u003E\n\u003C/td\u003E\n\u003Ctd\u003E\u003Cp\u003E750만 유로 또는 전 세계 연간 총매출액의 1% 중 더 높은 금액\u003C/p\u003E\n\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Cp\u003E또한 이 법은 회원국에 중소기업(SME)과 스타트업의 이익을 고려하도록 요구하며, 이러한 소규모 기업에는 더 낮은 과징금 상한이 적용됩니다. 과징금 수준은 침해의 성격, 중대성 및 지속 기간, 조직 규모, 과거 침해 이력, 당국과의 협력 정도와 같은 요인에 따라 달라질 수 있습니다.\u003C/p\u003E\n\u003Cp\u003E기업 실무팀에게 제재 표는 리스크 산정의 한 부분일 뿐입니다. 거버넌스가 부실한 AI는 고객 신뢰 문제, 계약상 마찰, 개인정보 노출, 보안 우려, EU 시장에서 AI 지원 제품을 출시하는 데 따른 지연도 초래할 수 있습니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_what_is_ai_g_1310486392":{"id":"text-431fb27621","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003E자주 하는 실수\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E정책만으로는 충분하지 않습니다. 팀은 인벤토리, 문서, 로그, 인간의 감독, 인시던트 프로세스, 검토 경로를 갖춰야 합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"title_how-snowflake-helps-organizations-address-algorithmic-bias":{"id":"title-v2-da22f4a74a","additionalClasses":"anchor-title anchor-title--what-enterprises-should-do-now","type":"heading2","lines":["기업이 지금 수행해야 할 조치"],":type":"snowflake-site/components/title-v2"},"text_how-snowflake-helps-organizations-address-algorithmic-bias_0":{"id":"text-3987c25c57","text":"\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/compliance/\"\u003EAI 규정 준수\u003C/a\u003E를 위한 효과적인 접근 방식 중 하나는 이 법의 요구 사항을 운영 산출물로 전환하는 것입니다. AI를 거버넌스해야 한다고 명시한 정책만으로는 충분하지 않습니다. 팀은 각 시스템이 어떻게 분류, 테스트, 승인 및 모니터링되었는지를 보여 주는 기록, 통제, 검토 경로를 갖춰야 합니다.\u003C/p\u003E\n\u003Ch3\u003EAI 인벤토리부터 시작하기\u003C/h3\u003E\n\u003Cp\u003E내부 구축 모델, 서드 파티 AI 서비스, SaaS 애플리케이션에 내장된 AI 기능, API를 통해 사용되는 범용 AI 모델을 포함하여 사용 중이거나 개발 중인 모든 AI 시스템을 기록합니다. 각 인벤토리 기록은 시스템 소유자, 제공자, 도입 운영자, 의도된 목적, 영향을 받는 사용자, 데이터 입력, EU 시장 노출, 모델 종속성, 통합 지점, 시스템이 EU 내 개인에게 영향을 미치는지 여부를 식별해야 합니다.\u003C/p\u003E\n\u003Ch3\u003E위험 등급에 따라 각 시스템 분류하기\u003C/h3\u003E\n\u003Cp\u003E내부 지식 검색에 사용하는 AI 챗봇에는 투명성 및 액세스 제어 관련 우려가 있을 수 있지만, 입사 지원자의 순위를 매기는 AI 시스템은 부속서 III의 고위험 영역에 해당할 수 있습니다. 분류는 일회성 작업이 아닙니다. 시스템의 목적, 데이터, 사용자 집단 또는 배포 환경이 바뀔 때마다 다시 검토해야 합니다.\u003C/p\u003E\n\u003Ch3\u003E고위험부터 시작하기\u003C/h3\u003E\n\u003Cp\u003E고위험 후보 시스템의 경우 6가지 핵심 증빙 산출물을 조기에 구축합니다.\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E리스크 관리 시스템: \u003C/b\u003E알려져 있거나 합리적으로 예측 가능한 리스크, 완화 조치, 잔여 리스크 결정, 검토 주기를 문서화합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E데이터 거버넌스 절차: \u003C/b\u003E데이터 소스, 데이터 품질 점검, 대표성 평가, 편향 제어, 데이터 계보, 보존 규칙, 액세스 정책을 기록합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E기술 문서: \u003C/b\u003E시스템 설명, 모델 로직, 의도한 목적, 성능 특성, 제한 사항, 검증 결과, 배포 아키텍처를 유지 관리합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E이벤트 로그: \u003C/b\u003E모니터링, 감사, 인시던트 조사, 출시 후 검토를 지원할 수 있는 로그를 보존합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E인간의 감독 설계: \u003C/b\u003E사람이 시스템 출력을 검토, 번복, 일시 중지 또는 에스컬레이션하는 지점을 정의하고, 검토자가 조치에 필요한 정보를 확보하도록 합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E정확성 및 사이버 보안 조치: \u003C/b\u003E성능 목표, 견고성 테스트, 적대적 테스트, 취약성 관리, 보안 통제를 문서화합니다.\u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Ch3\u003EGPAI 문서화 요구\u003C/h3\u003E\n\u003Cp\u003EGPAI의 경우 통합 전에 모델 제공자로부터 문서 패키지를 받아야 합니다. 조달 팀은 기술 문서, 다운스트림 통합 지침, 허용 가능한 사용 정책, 저작권 정책 정보, 필요한 경우 학습 데이터 요약, 인시던트 보고 확약을 요청해야 합니다. 이러한 자료는 감사 중 아무도 찾을 수 없는 계약 폴더에 별도로 저장하지 말고 AI 시스템 기록에 첨부해야 합니다.\u003C/p\u003E\n\u003Ch3\u003EEU 인공지능법 통제 항목을 기존 의무에 매핑 \u003C/h3\u003E\n\u003Cp\u003E많은 조직은 이미 GDPR 데이터 보호 영향 평가, \u003Ca href=\"https://www.eiopa.europa.eu/digital-operational-resilience-act-dora_en\" target=\"_blank\"\u003EDORA 운영 복원력 통제\u003C/a\u003E, \u003Ca href=\"https://digital-strategy.ec.europa.eu/en/policies/nis2-directive\" target=\"_blank\"\u003ENIS2 사이버 보안 통제\u003C/a\u003E, 부문별 모델 리스크 관리 절차 또는 소프트웨어 검증 요구 사항을 갖추고 있습니다. 목표는 이러한 프로세스를 새로운 AI라는 이름 아래 다시 구축하는 것이 아니라, 기존 통제가 인공지능법의 증빙 요구 사항 중 일부를 이미 충족하는 지점을 매핑한 다음 리스크 분류, GPAI 문서화, 투명성 고지, 적합성 평가, 시장 출시 후 모니터링, 인시던트 보고와 관련된 격차를 메우는 것입니다.\u003C/p\u003E\n\u003Ch3\u003E2026년 8월 2일 전 인시던트 보고 런북 수립 \u003C/h3\u003E\n\u003Cp\u003E팀은 무엇이 중대 인시던트에 해당하는지, 누가 조사하는지, 어떤 로그와 문서가 필요한지, 법무 및 규정 준수 팀에 어떻게 알릴지, 시정 조치를 어떻게 기록할지 미리 알고 있어야 합니다. 고위험 시스템이 프로덕션 환경에서 장애를 일으킨 후에야 대응하면 비공식적인 조율에 지나치게 의존하게 됩니다.\u003C/p\u003E\n\u003Cp\u003E\u003Ci\u003ESnowflake의 두 최고 경영진인 제품 부문 EVP인 Christian Kleinerman과 Principal Data Strategist인 Jennifer Belissent가 생성형 AI와 윤리에 대해 전하는 관점을 들어보세요.\u003C/i\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"youtube":{"id":"embed-6d19320331","youtubeVideoId":"DPs8nz59kss","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"},"title_bias-control-starts-before-the-model":{"id":"title-v2-6a188c257d","additionalClasses":"anchor-title anchor-title--why-snowflake-for-eu-ai-act-readiness","type":"heading2","lines":["EU 인공지능법 대응 준비에 Snowflake가 적합한 이유"],":type":"snowflake-site/components/title-v2"},"text_bias-control-starts-before-the-model_0":{"id":"text-481adb862d","text":"\u003Cp\u003EEU 인공지능법 대응 준비는 어떤 데이터와 AI 자산이 존재하는지, 어떻게 거버넌스가 적용되는지, 누가 액세스할 수 있는지, 시스템 검토 시 어떤 증거를 생성할 수 있는지 파악하는 데 달려 있습니다. Snowflake는 조직이 거버넌스가 적용된 데이터, 메타데이터, 정책, 로그가 이미 존재하는 동일한 플랫폼에 AI 거버넌스를 연결하도록 지원해 이러한 기반을 뒷받침할 수 있습니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/ko/product/features/horizon/\"\u003ESnowflake Horizon Catalog\u003C/a\u003E는 계보, 시맨틱 뷰, 관련 사용 컨텍스트와 같은 메타데이터를 포함해 데이터 및 AI 자산에 대한 검색과 거버넌스 컨텍스트를 제공합니다. 인공지능법 대응 준비에서 이것이 중요한 이유는 팀이 AI 시스템을 해당 시스템이 의존하는 테이블, 뷰, 피처, 모델, 정책 및 소유자와 연결할 수 있어야 AI 인벤토리가 실질적인 가치를 발휘하기 때문입니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Ca href=\"https://trust.snowflake.com/\"\u003ESnowflake의 Compliance Center\u003C/a\u003E는 스캐너 기반 탐지 결과, 선제적 알림, 계정 수준 가시성을 통해 팀이 Snowflake 계정의 보안 리스크를 평가, 모니터링 및 완화하도록 지원합니다. Compliance Center의 Data Security 기능은 데이터베이스 전반에서 특정 민감 데이터 범주를 자동으로 분류하고 PII, PCI 데이터, 보호 대상 건강 정보와 같은 규제 대상 및 고위험 범주를 식별하며 해당 데이터에 마스킹 정책이 이미 적용되어 있는지 보여줍니다.\u003C/p\u003E\r\n\u003Cp\u003ESnowflake의 액세스 제어와 정책 기능도 AI 거버넌스 증빙을 뒷받침할 수 있습니다. \u003Ca href=\"https://www.snowflake.com/en/data-governance/data-security/rbac/\"\u003E역할 기반 액세스 제어\u003C/a\u003E(RBAC), 마스킹 정책, 행 액세스 정책, 액세스 이력은 누가 민감 데이터에 액세스했는지, 어떤 정책이 적용됐는지, 데이터가 어떻게 사용됐는지 입증하는 데 도움이 됩니다. 이러한 기록이 법률 분석이나 적합성 평가를 대체하지는 않지만, 규제 대상 AI 시스템을 둘러싼 로깅, 인간 감독, 데이터 거버넌스, 감사 증거 워크플로우를 지원할 수 있습니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/blog/ISO-IEC-42001-AI-certification/\"\u003ESnowflake의 ISO/IEC 42001 인증\u003C/a\u003E은 신뢰를 뒷받침하는 또 하나의 요소입니다. 이 인증은 AI 관리 시스템에 대한 독립적인 서드 파티 감사를 거쳐 획득한 것으로, Snowflake의 AI 운영 방식에 대한 투명성, 책임성, 신뢰를 뒷받침합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_bias_control_s":{"id":"title-v2-56fa030315","additionalClasses":"anchor-title anchor-title--ai-act-readiness-is-governance-work","type":"heading2","lines":["인공지능법 준비는 법률 체크리스트가 아니라 거버넌스 작업"],":type":"snowflake-site/components/title-v2"},"text_bias_control_st":{"id":"text-26a3d8ece0","text":"\u003Cp\u003EEU 인공지능법은 AI 거버넌스를 의무화합니다. 기업은 어떤 AI 시스템을 사용하는지, 각 시스템에서 어떤 역할을 하는지, 해당 시스템이 어떤 데이터와 모델에 의존하는지, 리스크가 어떻게 분류되었는지, 사람이 어디에서 개입할 수 있는지, 규제 기관, 고객 또는 내부 검토자가 증거를 요구할 때 어떤 증거가 존재하는지 알아야 합니다.\u003C/p\u003E\n\u003Cp\u003E이 작업은 조직이 이미 활용하는 거버넌스 패턴, 즉 인벤토리, 액세스 제어, 데이터 계보, 문서, 모니터링, 인시던트 대응, 감사 증거를 기반으로 할 때 더 수월해집니다. 이 법은 특히 고위험 시스템과 범용 AI에 대해 AI 관련 의무를 추가하지만, 팀이 처음부터 다시 시작할 것을 요구하지는 않습니다. 가장 좋은 방법은 AI 대응 준비를 데이터, 보안, 개인정보 보호, 운영 복원력을 관리하는 데 이미 사용 중인 통제와 연결한 다음, 핵심 시스템이 집행 대상이 되기 전에 격차를 해소하는 것입니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"callout_what_is_ai_g_1939414635":{"id":"text-0798bc2a0f","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003E핵심 요약\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003EEU 인공지능법은 AI 거버넌스를 운영상의 필수 요건으로 만듭니다. 조직은 어떤 AI 시스템을 사용하는지, 어떤 위험 등급이 적용되는지, 어떤 역할을 하는지, 적절한 통제가 마련되어 있음을 입증하는 증거가 무엇인지 알아야 합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"}},":itemsOrder":["callout_what_is_ai_g","text_intro_0","title_sources_of_alg","text_what-is-algorithmic-bias_0","title_sources-of-algorithmic-bias","text_sources-of-algorithmic-bias_0","title_detecting-and-measuring-algorithmic-bias","text_detecting-and-measuring-algorithmic-bias_0","title_mitigating-algorithmic-bias","text_mitigating-algorithmic-bias_0","title_regulatory-expectations-on-algorithmic-bias","text_regulatory-expectations-on-algorithmic-bias_0","callout_what_is_ai_g_1310486392","title_how-snowflake-helps-organizations-address-algorithmic-bias","text_how-snowflake-helps-organizations-address-algorithmic-bias_0","youtube","title_bias-control-starts-before-the-model","text_bias-control-starts-before-the-model_0","title_bias_control_s","text_bias_control_st","callout_what_is_ai_g_1939414635"]},"flexible_column_content_container_2":{"additionalClasses":"hub-sidebar","layout":"SIMPLE","id":"hub-body-aside",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-small",":items":{"container":{"additionalClasses":"sticky-sidebar","layout":"RESPONSIVE_GRID","columnCount":12,"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"text_943981956_copy_":"aem-GridColumn aem-GridColumn--default--12","text_copy":"aem-GridColumn aem-GridColumn--default--12"},"id":"container-78b8ddf4bb",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium",":items":{"text_943981956_copy_":{"id":"text-2c1fa8b28b","additionalClasses":"eyebrow-text","text":"\u003Cp\u003E이 가이드의 주요 내용\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular"},"text_copy":{"id":"text-827490fca1","additionalClasses":"page-toc","text":"\u003Cul\u003E\n\u003Cli data-anchor=\"what-is-eu-ai-act\"\u003EEU 인공지능법이란?\u003C/li\u003E\n\u003Cli data-anchor=\"the-four-eu-act-risk-tiers\"\u003EEU 인공지능법의 네 가지 위험 등급\u003C/li\u003E\n\u003Cli data-anchor=\"general-purpose-ai-and-foundation-model-rules\"\u003E범용 AI 및 파운데이션 모델 규칙\u003C/li\u003E\n\u003Cli data-anchor=\"deadline-and-timeline\"\u003E기한 및 일정\u003C/li\u003E\n\u003Cli data-anchor=\"penalties-for-non-compliance\"\u003E미준수 시 제재\u003C/li\u003E\n\u003Cli data-anchor=\"what-enterprises-should-do-now\"\u003E기업이 지금 수행해야 할 조치\u003C/li\u003E\n\u003Cli data-anchor=\"why-snowflake-for-eu-ai-act-readiness\"\u003EEU 인공지능법 대응 준비에 Snowflake가 적합한 이유\u003C/li\u003E\n\u003Cli data-anchor=\"ai-act-readiness-is-governance-work\"\u003E인공지능법 준비는 법률 체크리스트가 아니라 거버넌스 작업\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small text-color-text-05"}},":itemsOrder":["text_943981956_copy_","text_copy"]}},":itemsOrder":["container"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false},"flexible_column_cont_963294944":{"id":"flexible-column-container-38f3a1dd96","propertiesId":"hub-faq","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-faq-intro",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small",":items":{"title_v2_copy":{"id":"title-v2-2d2dd423ab","additionalClasses":"hub-faq__headline","type":"heading2","lines":["자주 묻는 질문"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-f6bd591373","additionalClasses":"hub-faq__subheadline","text":"\u003Cp\u003EEU 인공지능법에 대한 주요 질문에 Snowflake 전문가가 답합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy","text_copy"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"hub-faq-accordions",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"simple_snowflake_acc":{"id":"simple-snowflake-accordion-d514ceb0ae","additionalClasses":"seo-hub__faqs","showDivider":false,"accordionItemsList":[{"title":"EU 인공지능법은 미국 기업에 어떤 영향을 미치나요?","richText":"\u003Cp\u003EAI 시스템이 EU 시장에 출시되거나 해당 AI 시스템이 생성한 출력물이 EU에서 사용되는 경우, 이 법은 EU 외부의 제공자와 도입 운영자에게도 적용될 수 있습니다. 미국 기업이 AI 지원 제품을 유럽에 판매하거나, EU 내 사람들에게 영향을 미치는 AI 시스템을 사용하거나, EU 관련 운영에서 AI 출력물에 의존한다면 적용 범위를 평가해야 합니다.\u003C/p\u003E\n"},{"title":"EU 인공지능법은 현재 시행 중인가요?","richText":"\u003Cp\u003E일부만 시행 중입니다. 이 법은 2024년 8월 1일 발효되었습니다. 금지된 관행과 AI 리터러시 의무는 2025년 2월 2일부터 적용되기 시작했으며, 거버넌스 규칙과 GPAI 의무는 2025년 8월 2일부터 적용되기 시작했습니다. 대부분의 고위험 AI 의무는 2026년 8월 2일부터 적용될 예정이며, 특정 규제 제품에 내장된 고위험 AI 시스템에는 2027년 8월 2일까지 연장된 전환 기간이 적용됩니다.\u003C/p\u003E\n"},{"title":"AI 제공자와 도입 운영자는 어떻게 다른가요?","richText":"\u003Cp\u003E제공자는 AI 시스템 또는 범용 AI 모델을 개발해 시장에 출시하거나, 자체 이름 또는 상표로 서비스에 투입하는 주체입니다. 도입 운영자는 개인적이고 비전문적인 사용을 제외하고, 자체 권한으로 AI 시스템을 사용하는 주체입니다. 엔터프라이즈 환경에서는 동일한 조직이 시스템에 따라 서로 다른 역할을 수행할 수 있습니다.\u003C/p\u003E\n"},{"title":"어떤 AI 시스템이 고위험에 해당하나요?","richText":"\u003Cp\u003E고위험 AI 시스템에는 생체 인식, 중요 인프라, 교육, 고용, 필수 서비스, 법 집행, 이민 및 국경 통제, 사법 행정과 같은 부속서 III 영역에서 사용되는 AI가 포함됩니다. AI가 규제 대상 제품의 안전 구성 요소이거나, 그 자체가 부속서 I의 적용을 받고 서드 파티 적합성 평가 대상인 규제 대상 제품인 경우에도 고위험으로 간주될 수 있습니다.\u003C/p\u003E\n"},{"title":"EU 인공지능법과 GDPR은 어떻게 상호작용하나요?","richText":"\u003Cp\u003E두 규정은 서로 중첩되어 적용됩니다. GDPR은 개인 데이터 처리를 규율하는 반면, EU 인공지능법은 AI 시스템과 특정 범용 AI 모델을 규율합니다. 개인 데이터를 사용하는 고위험 AI 시스템은 다음 두 가지 즉, GDPR 요구 사항(적법한 처리 근거, 투명성, 데이터 최소화, 정보 주체 권리 등)과 인공지능법 요구 사항(리스크 분류, 기술 문서, 데이터 거버넌스, 로깅, 인적 감독, 시장 출시 후 모니터링 등)을 모두 충족해야 할 수 있습니다.\u003C/p\u003E\n"}],":type":"snowflake-site/components/simple-snowflake-accordion"}},":itemsOrder":["simple_snowflake_acc"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false},"flexible_column_cont_1467213961":{"id":"flexible-column-container-06e35c16f9","propertiesId":"hub-explore-resources-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-e9f32bc380",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2":{"id":"title-v2-51c7fbf0f5","additionalClasses":"hub-explore-resources-header__headline","type":"heading2","lines":["AI 리소스 살펴보기"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"}},":itemsOrder":["title_v2"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_912630531":{"id":"flexible-column-container-3c794e85ae","propertiesId":"hub-explore-resources-grid","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-explore-resources-grid-inner",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"resource_chip_0":{"id":"content-chip-65c9ed1202","tagText":"보고서","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/lp/radical-roi-generative-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title-v2-ddf43c0757","type":"heading5","lines":["2026 생성형 AI와 에이전트의 ROI"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_1":{"id":"content-chip-c58dc779b5","tagText":"eBook","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/ebook/building-the-interoperable-lakehouse-data-strategies-for-ai-leaders/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title-v2-a955c1c9b9","type":"heading5","lines":["상호 운용 가능한 레이크하우스 구축: AI 리더를 위한 데이터 전략"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_2":{"id":"content-chip-21154717c0","tagText":"백서","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/white-paper/from-prompt-to-purpose-unlocking-business-value-with-agentic-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title-v2-f912ddb388","type":"heading5","lines":["프롬프트에서 목적까지: 에이전틱 AI로 비즈니스 가치를 여는 방법"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"resource_chip_3":{"id":"content-chip-4ae08528cf","tagText":"보고서","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/redefining-data-engineering-in-the-age-of-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title-v2-7a588b6e11","type":"heading5","lines":["AI 시대의 데이터 엔지니어링 재정의"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["resource_chip_0","resource_chip_1","resource_chip_2","resource_chip_3"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"},"flexible_column_cont_1158003461":{"id":"flexible-column-container-b390942230","propertiesId":"hub-explore-topics-header","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-60a69ad7f9",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small",":items":{"title_v2_copy_copy":{"id":"title-v2-6c72cad2dd","additionalClasses":"hub-explore-topics-header__headline","type":"heading2","lines":["AI 주제 살펴보기"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy":{"id":"text-833f5bdd3c","additionalClasses":"hub-explore-topics-header__subheadline","text":"\u003Cp\u003E인공지능의 모든 영역을 깊이 있게 살펴보세요\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy_copy","text_copy_copy"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"},"flexible_column_cont_1377146023":{"id":"flexible-column-container-1c53995b32","propertiesId":"hub-explore-topics-grid","type":"3-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-f62a6958ec",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_0":{"id":"card-v2-f6ba0ddbbd","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAI 투명성은 목적, 입력값, 한계 및 동작을 문서화하여 AI 시스템을 이해하기 쉽게 만듭니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["AI 투명성"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-transparency/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["topic_card_0"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-21861ed1c1",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_1":{"id":"card-v2-5b30894c02","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003E공정성, 책임성, 인간의 감독과 같이 책임 있는 AI 사용을 안내하는 원칙입니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["AI 윤리"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-ethics/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["topic_card_1"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-832b0e16f3",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"topic_card_2":{"id":"card-v2-7a114d987e","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAI 시스템이 공정하고, 책임성을 갖추고, 안전하며, 조직의 가치 및 규정에 부합하도록 보장하세요.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["책임 있는 AI"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/responsible-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["topic_card_2"]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-white-bg"},"flexible_column_cont_1786318617":{"id":"flexible-column-container-458df7da5f","propertiesId":"hub-faq","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"hub-faq-intro",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container","appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small",":items":{},":itemsOrder":[]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"hub-faq-accordions",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{},":itemsOrder":[]},":type":"snowflake-site/components/flexible-column-container","isActiveTOC":false,"isBlogPage":false,"appliedCssClassNames":"snowflake-flexible-column-container-gray-10-bg"}},":itemsOrder":["flexible_column_cont","flexible_column_cont_939100716","flexible_column_cont_1398138236","flexible_column_cont_663228916","flexible_column_cont_963294944","flexible_column_cont_1467213961","flexible_column_cont_912630531","flexible_column_cont_1158003461","flexible_column_cont_1377146023","flexible_column_cont_1786318617"],":type":"wcm/foundation/components/responsivegrid"},"modal_container":{"layout":"SIMPLE","id":"container-8147d22949",":type":"snowflake-site/components/modal/modal-container",":items":{},":itemsOrder":[]},"markup_editor_928258845":{"id":"markup-editor-2ff51053e4","title":" ","cssContent":".snowflake-flexible-column-container-gray-10-bg\u003E.snowflake-flexible-column-container{background-color:var(--ui-background-05) !important}.text-size-regular:has(.seo-hub-hero__related-topic-label){display:flex;align-items:center}.hub-hero__headline span{text-transform:none !important}.hub-hero__subheadline p{max-width:70ch;margin-top:8px}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:24px 48px 0 0 !important}.hub-hero__authors .heading-5-v2{gap:var(--spacing-00)}.hub-hero__authors .snowflake-content-chip-button{display:none !important}.hub-hero__authors .snowflake-person-chip-content .body-2,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line{font-size:16px !important;line-height:20px !important;font-family:\"Lato\",sans-serif !important;color:#000 !important;font-weight:600 !important}.hub-hero__authors .snowflake-person-chip-content .body-3,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line:not(:first-child){font-weight:400 !important;color:var(--text-05) !important;font-size:16px !important}.hub-hero__authors .snowflake-image-container img{aspect-ratio:1 !important;border-radius:100%;overflow:hidden}.hub-hero__authors .snowflake-person-chip-avatar{width:56px;height:56px}.hub-hero__authors .snowflake-content-chip{align-items:center;display:inline-flex}.hub-hero__authors .snowflake-content-chip-image{max-width:56px;line-height:0;margin-right:var(--spacing-03)}.hub-hero__authors .snowflake-person-chip-inner-horizontal{gap:var(--spacing-03)}@media screen and (min-width:1367px){.hub-hero__headline .heading-1-v2{font-size:48px;line-height:44px}}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container{display:flex;flex-direction:row;flex-wrap:wrap;gap:24px}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::before,#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::after{display:none}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container\u003Ediv{width:calc(25% - 18px)}.text-color-text-05 .snowflake-text h2,.text-color-text-05.cq-Editable-dom h2,.text-color-text-05 .snowflake-text h3,.text-color-text-05.cq-Editable-dom h3,.text-color-text-05 .snowflake-text h4,.text-color-text-05.cq-Editable-dom h4,.text-color-text-05 .snowflake-text h5,.text-color-text-05.cq-Editable-dom h5,.text-color-text-05 .snowflake-text h6,.text-color-text-05.cq-Editable-dom h6{color:#000 !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor_597730182":{"id":"markup-editor-37baebf1ca","title":" ","cssContent":".sf-copy-markdown [data-copy-md]{display:inline-flex;align-items:center;gap:6px;padding:8px 16px;font-family:'Texta',sans-serif;text-transform:uppercase;font-weight:800 !important;font-size:14px;font-weight:500;color:#11567f;background:#f0faff;border:1px solid #b8e6f9;border-radius:24px;cursor:pointer;transition:background .2s ease,border-color .2s ease,color .2s ease}.sf-copy-markdown [data-copy-md]:hover{background:#ddf3fc;border-color:#29b5e8}.sf-copy-markdown [data-copy-md][data-copied=\"1\"]{color:#0f7b3e;background:#ecfdf5;border-color:#6ee7a0;pointer-events:none}.sf-copy-markdown [data-copy-md] svg{flex-shrink:0}.longform-conten .snowflake-content-chip-white-bg .snowflake-content-chip{box-shadow:0 0 24px 4px rgba(0,0,0,.02),0 4px 8px 0 rgba(0,0,0,.04);flex-direction:row-reverse;align-items:center}.longform-conten .snowflake-content-chip-button{display:none}.longform-conten .snowflake-content-chip-image__inner{aspect-ratio:5 / 3;display:flex;justify-content:center;align-items:center;background-color:var(--ui-01);border-radius:4px}.longform-conten .snowflake-content-chip-image{margin-right:0;margin-left:48px}.longform-conten .snowflake-content-chip-image img{width:50%;border-radius:0 !important;object-fit:contain}.longform-content .black-blue-text-color .snowflake-title-v2-line:not(:first-child){font-size:14px !important;font-weight:400 !important;color:rgba(0,0,0,.6) !important;margin-top:8px !important}.page-toc ul li:first-child{padding-top:0 !important}.page-toc ul li:last-child{padding-bottom:0 !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{flex-grow:1}.sf-copy-markdown{margin-top:40px !important}.page-toc ul{margin-top:16px !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;justify-content:space-between}.sf-copy-markdown{}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E strong,.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:80ch}#hero:has(.snowflake-youtube-lite) .seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{width:100%;flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor":{"id":"markup-editor-4ffe267563","title":" ","cssContent":"div.snowflake-breadcrumb a.snowflake-breadcrumb-item,.snowflake-breadcrumb div.snowflake-breadcrumb-item{text-transform:none;font-weight:500}.snowflake-breadcrumb svg{display:none !important}.snowflake-breadcrumb a:has(svg)::after{content:'/';margin:0 12px;color:#666}.hub-sidebar{padding:0 40px}.sticky-sidebar{max-width:340px;margin-left:auto}.page-toc ul{list-style-type:none;padding:0}.page-toc li{padding:8px 16px;border-left:4px solid var(--ui-01);cursor:pointer;transition:300ms ease all}.page-toc li:hover{color:var(--ui-01);border-color:#7fd3f1;transition:300ms ease all}.callout,.customer-card{background-color:#eef9fd;border-left:4px solid var(--ui-01);padding:24px 24px 24px 32px;border-radius:4px}.logo-container{max-width:180px}.longform-content li{margin-top:1rem !important}div.longform-content p{max-width:80ch}.bolder .snowflake-title-v2-line{font-weight:900 !important}.border-top\u003Ediv{border-top:1px solid #ccc;padding-top:48px}.related-topics ul{list-style-type:none;padding:0;margin:0;display:flex;gap:8px;flex-wrap:wrap}.related-topics li{display:inline-block;border:1px solid #ccc;padding:4px 12px;border-radius:24px}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-title-v2 .heading-6-v2,div.longform-content .snowflake-text .heading-6-v2{text-transform:none !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2{margin-top:1.5rem !important;line-height:1.1 !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-family:Lato,sans-serif !important;font-weight:800 !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{text-transform:none !important;font-size:28px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:22px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:18px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:16px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:14px !important}@media screen and (min-width:992px){div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{font-size:38px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:26px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:22px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:18px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:16px !important}}.sticky-sidebar .page-toc li.is-active{font-weight:600;color:var(--snow-blue,#29b5e8)}.sticky-sidebar .page-toc li[data-anchor]{cursor:pointer}.longform-content table{margin-top:24px;margin-bottom:24px;width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}.longform-content table thead{background-color:var(--ui-01)}.longform-content th,.longform-content td{min-width:120px;border:2px solid var(--ui-background-09);padding:var(--spacing-01)}.longform-content ol{margin-top:0 !important}.longform-content ol li{margin-bottom:1rem !important}.longform-content ul li{margin:0;padding:0 0 0 32px;position:relative}.longform-content ul{list-style-type:none}.longform-content ul li::before{content:\"\";display:block;border-radius:100%;background:#29b5e8;width:18px;height:18px;position:absolute;top:4px;left:0;border:5px solid #e5f2f7;box-sizing:border-box}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container{max-width:200px}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container img{object-fit:contain}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:0 !important}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{margin-right:16px !important;flex-shrink:0}","jsContent":"(function(){var OFFSET=100;if(window.gsap&&window.ScrollTrigger){gsap.registerPlugin(ScrollTrigger);var sidebar=document.querySelector('.sticky-sidebar');var body=document.querySelector('.longform-content');if(sidebar&&body){ScrollTrigger.create({trigger:sidebar,start:'top 100px',endTrigger:body,end:'bottom bottom',pin:sidebar,pinSpacing:false});}}document.addEventListener('click',function(e){var li=e.target.closest('li[data-anchor]');if(!li)return;var slug=li.getAttribute('data-anchor');var heading=document.querySelector('.anchor-title--'+CSS.escape(slug));if(!heading)return;e.preventDefault();var top=heading.getBoundingClientRect().top+window.pageYOffset-OFFSET;window.scrollTo({top:top,behavior:'smooth'});history.replaceState(null,'','#'+slug);},false);var headings=document.querySelectorAll('[class*=\"anchor-title--\"]');if(headings.length&&'IntersectionObserver'in window){var io=new IntersectionObserver(function(entries){entries.forEach(function(entry){if(!entry.isIntersecting)return;var cls=Array.from(entry.target.classList).find(function(c){return c.indexOf('anchor-title--')===0;});if(!cls)return;var slug=cls.replace('anchor-title--','');document.querySelectorAll('li[data-anchor]').forEach(function(li){li.classList.toggle('is-active',li.getAttribute('data-anchor')===slug);});});},{rootMargin:'-20% 0px -70% 0px',threshold:0});headings.forEach(function(h){io.observe(h);});}})();",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":true},"experiencefragment-footer":{"id":"experiencefragment-9329d863be","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer/master.xfmodel.json"},"experiencefragment":{"id":"experiencefragment-bdc443ffd1","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer-legal-disclaimers/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer-legal-disclaimers/master.xfmodel.json"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","responsivegrid","modal_container","markup_editor_928258845","markup_editor_597730182","markup_editor","experiencefragment-footer","experiencefragment"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/ko/artificial-intelligence/ai-governance/eu-ai-act","analyticsContentTags":["snowflake-site:taxonomy/content-type/fundamentals"],"analyticsEnabled":true,"coveoConfig":{"pipeline":"snowflake.com","searchHub":"snowflake.com","organizationId":"snowflakecomputingproduction8neljofn","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d"},"isPasswordProtected":false,"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"base-page-template54","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/ko/artificial-intelligence/ai-governance/eu-ai-act","language":"ko","category":"general","pageName":"EU 인공지능법 해설: 위험 등급, 적용 일정 및 규정 준수","contentTags":["snowflake-site:taxonomy/content-type/fundamentals"]},"locale":"ko"}